基于计算机图像研究在纺织品检验中应用.doc

基于计算机图像研究在纺织品检验中应用1、计算机图像技术的基本理论及方法 图像处理主要包括以下方面:①图像预处理,其目的是对图像去除噪声,突出目标;②图像分割和目标提取,主要目的是从图像中获得感兴趣的区域;③特征提取,是要获得对目标的有效特征表达和描述;④目标分类,是在提取特征的基础上实现判别和分类。 在计算机视觉的图像处理中,往往需要进行平滑、增强、边缘检测和去除噪声等处理。在多数空域预处理算法时涉及到领域处理,典型的算法有中值滤波、均值滤波等。近年来数学形态学在数字图像处理领域里有了广泛的应用,它以集合运算为基础,其基本思想是用具有一定形态的结构元素去度量图像中的形态以解决问题,基本算法是扩张、腐蚀、开启和闭合。 其中傅立叶变换和小波变换主要应用于纺织品分析和测试中的以下一些领域:织物图像的滤波、无纺布中纤维取向和织物纹理方向的测定、织物表面性能评定和织物结构参数的测定等。 常用的图像识别方法有:灰度匹配法、形态法、神经网络法、纹理模型法四种。其中,神经网络法的缺点是,可能因为特征值选择的不合适或者不足,造成检验结果的不可靠;纹理模型法的不足在于仅仅通过随机场模型并不能最大限度地降低图像分析的计算复杂度和提高图像处理的速度,因而还不能实现织物疵点的快速自动检测。 2、计算机图像处理技术在纺织品测试中的应用 2.1织物起毛、起球性能分析 织物起毛、起球性能是影响织物服用性能的重要因素。在测定织物的起毛、起球时，如果采用传统的测试方法，如与标准样照对比评级的方法，所得的结果主观性太强,没有定量的描述；如果采用在显微镜下对起毛根数进行计数的方法，则劳动强度太大，耗时过长。 而采用数字图像处理计数的方法则实现了客观化和定量化的测定评判，从而克服了传统测定评判法中的主观性强、误差大和实验劳动强度高等诸多缺陷。数字图像处理计数法的步骤为：首先采集织物起毛图像，然后对图像进行灰度化处理，再对灰度图像进行二值化处理，最后利用二值化图像进行起毛计数。 在此过程中，二值化处理中的阈值是关系到二值化图像效果，并进而影响到最终起毛计数精确性的极为关键的一步。 东华大学的陈霞等应用一种图像分析系统进行织物起球等级的客观评估，首先获取反映织物二维轮廓数据的距离图像，通过一组匹配滤波检测毛球，应用分块阈值法进行毛球分割，选取毛球个数、毛球面积和毛球体积建立等级评估方程，并采用模糊逻辑系统作为最终的等级评估模型。 结果表明，该系统能满足实际起球的等级评估。国外的许多专家对此也有深入的研究，Konda等人提出了一种客观评定起球性能的方法，他们对图像进行阈值处理，然后与标准图像进行比较，建立小球数量等级。Abril等人采用图像分析方法测量标准织物图像上的小球面积。 2.2悬垂性测试 织物悬垂性研究早在本世纪三十年代就已开始,目前存在的几种悬垂性测定仪器,不能获得悬垂性多方面特性的指标以及全面表征悬垂性的综合性指标,并且这些客观指标与主观评价结果往往也很不一致。 有关文献探索了应用微机图像处理技术测试织物悬垂性的方法,从采集的二维图像上提取表征织物悬垂性程度大小与悬垂性形态特征的两方面指标,由于二维图像中隐含着三维信息,故又可为主观评价提供具有三维信息的目标图景,从而实现在一次悬垂性测试中同时取得主客观相结合的评价数据。 运用数字图像处理技术是先由CCD摄像头采样,摄取织物悬垂的物理图像,然后经过图像采集卡A/D转换成为数字图像,以灰度图像格式存储在计算机的存储器内。计算机对此灰度图像进行一系列的图像预处理,如滤波、二值化、边缘增强等,除去噪声、背景等无用信息,保留与悬垂有关的信息。最后,对悬垂图像的形态结构进行分析,提取各种特征参数,计算表征织物悬垂性能的相应指标。 2.3织物图案自动识别分析 图像识别的一般流程，如下图1所示，由预处理、特征提取和匹配、分类组成。在预处理中，进行像素值的规格化。在提取特征值中，例如，对于图像，在像素值的基础上用向量来表示特征、或者提取出角边缘的几何特征。 在匹配中，把那些特征与预先存储好的参照图案(样板或模型)直接进行比较匹配，然后利用统计上的图案识别方法等进行分类，输出识别结果。 除此之外，图像信息处理技术在纺织行业的应用还大有潜力。例如，长期以来，混纺纱的混纺比绝大多数采用化学分析法及显微镜横截面观察法等进行测试，但随着新型纤维的不断涌现，有的就缺少适合的化学分析方法，结果不令人满意。 采用计算机提取特征参数自动识别纤维，测量混纺比，是实现快速准确地检测混纺比的新途径。图像处理与分析的工作流程如下图2所示（纱线混纺比测试图像处理与分析工作流程）： 图2图像处理与分析的工作流程图 其中的关键是提